Vertica sta cambiando il proprio posizionamento, da potente database colonnare analitico, qual è sempre stato, adesso si sta evolvendo sempre più verso il diventare una soluzione più completa per lo storage ma anche l’analisi dati a 360°, soluzione sempre più rivolta verso le architetture Big Data e in cui il Machine Learning e le Advanced Analytics coprono un ruolo fondamentale. 

Pochi mesi fa all’evento “Vertica Unify 2021” è stata annunciata l’uscita di Vertica 11, la nuova versione di una piattaforma analitica che da oggi include molte importanti funzionalità e miglioramenti per fare analisi unificate sui dati e applicare metodi di Machine Learning anche su architetture multi-cloud. Il tutto continuando a soddisfare i requisiti di agilità, velocità e sicurezza che da sempre Vertica garantisce. 

Colin Mahony, vicepresidente e direttore generale di Vertica, Micro Focus, ha affermato che:

Unified Analytics è un movimento fondamentale nel nostro settore. Ma l’analisi veramente unificata richiede una sicurezza comprovata e matura, una vera scelta di implementazione, apprendimento automatico end-to-end in produzione e prestazioni analitiche senza compromessi affinché le organizzazioni possano trarre vantaggio da questa tendenza […] In Vertica 11, abbiamo esteso Vertica in modalità Eon al cloud di Azure, fornito supporto per i container Docker e Kubernetes, esteso la nostra leadership di mercato nell’analisi avanzata e nell’apprendimento automatico, inclusa la previsione di serie temporali e molto altro. L’elenco delle funzionalità potrebbe continuare all’infinito: Vertica 11 è davvero la piattaforma di analisi unificata con le prestazioni più veloci su scala illimitata. 

Ecco alcuni aspetti e miglioramenti di Vertica 11: 

Sono aumentate le modalità di distribuzione:  

Vertica si affaccia alle architetture cloud (come Azure, AWS e Google Cloud) sfruttando le caratteristiche della configurazione Eon mode che ha il grande vantaggio di separare la parte computazionale dallo storage, permettendo quindi di garantire l’elasticità e la rapidità di calcolo tipica di Vertica, e la sicurezza del dato su cloud mantenendo il controllo dei costi. La principale differenza con una configurazione Enterprise sta nel fatto che lo storage dove risiedono i dati è svincolato dai nodi di Vertica stesso che possono quindi essere aumentati, diminuiti e riavviati senza minare le repliche dei dati.

Un’altra nuova modalità di utilizzare Vertica è Vertica Accelerator che è a tutti gli effetti un SAAS (Software as a service), installato in cloud AWS privato o dedicato che, come la modalità EoN, utilizza uno storage separato dai virtual server che ha nativamente la possibilità di aumentare o diminuire la potenza di calcolo all’occorrenza, pagando solo il reale utilizzo di cores.

Inoltre è disponibile su Dockerhub l’immagine Docker ufficiale e testata di Vertica. È incluso il supporto per Vertica Kubernetes Operator, StatefulSets e Helm Charts. 

La sicurezza è stata ulteriormente rafforzata e semplificata 

Vertica ha notevolmente semplificato i processi di sicurezza per rendere più agile la gestione dei privilegi ad utenti e gruppi. Vertica garantisce conformità a FIPS 140.2, punto di riferimento mondiale per la convalida dell’efficacia dell’hardware crittografico, e integrazione con Voltage SecureData per assicurare una crittografia FPE (Format Preserving Encryption) dei dati ancora più sicura. 

Perfezionamento delle funzionalità analitiche e di Machine Learning 

Grazie a VerticaPy, Vertica 11 include un numero sempre maggiore di funzionalità di apprendimento automatico in-database, capacità grafiche, nuovi connettori a fonti dati esterne, come il nuovo connettore Apache Spark open source che supporta Spark 3.0 e Scala 2.12 con S3 e supporto SSO aziendale, incluso Kerberos.

Ulteriori miglioramenti includono l’algoritmo XG Boost in modo nativo, maggiori integrazioni PMML e algoritmi per le time-series, includendo il supporto per l’autoregressione, la media mobile, i test di stazionarietà e la generazione automatica di grafici di correlazione. 

Sono inoltre migliorate le funzionalità di AutoML con VerticaPy Delphi: è possibile avviare automaticamente procedure di data preparation, addestrare e valutare diversi algoritmi sui dati e visualizzarne le performance in forma grafica in pochi minuti. Vertica ora supporta anche TensorFlow, versione 2.5, quindi funzionalità di deep learning ed anche l’importazione di modelli lineari generalizzati da PMML. 

Queste e molte altre sono le nuove funzionalità di Vertica: introduzione delle Stored Procedure per automatizzare il ciclo di vita delle informazioni dall’ELT, supporto a tipi di dati complessi come mappe, possibilità di export dei dati in formati come ORC e Parquet, ottimizzazione del motore di esecuzione delle query e molte altre. Contattaci per conoscere meglio Vertica 11.

ARGOMENTI CORRELATI
Categoria: ANALYTICS
Data Monetization: cos'è e come si implementa in azienda. Immagine che raffigura una donna seduta con dei grafici crescenti in mano ad indicare il valore ottenibile con la data monetization.

Cos’è la data monetization e come si implementa in azienda

Lo scopo di tutte le attività che vengono pianificate ed effettuate all’interno di qualunque azienda è quello di creare profitto.… Leggi tutto

Cos'è il Data Mesh e quali vantaggi porta alle aziende. Immagine che raffigura persone attorno ad una scrivania che collaborano alla creazione del puzzle comune aziendale

Data Mesh: un nuovo approccio architetturale 

Nell’epoca dei Big Data ci troviamo quotidianamente ad affiancare le aziende nella definizione di strategie data driven e ad aiutarle… Leggi tutto

Concept grafico che richiama la data visualization e l'importanza della scelta grafica per rappresentare le informazioni. Immagine che rappresenta un uomo di spalle al computer con un'infografica cartacea in mano.

Come scegliere la giusta Data Visualization? I nuovi trend 

La Data Visualization è definita come la rappresentazione grafica di dati e informazioni, ed abbiamo già trattato quanto questo strumento… Leggi tutto